Python SciPy ndimage.zoom用法及代码示例

本文简要介绍 python 语言中 scipy.ndimage.zoom 的用法。

用法:

scipy.ndimage.zoom(input, zoom, output=None, order=3, mode='constant', cval=0.0, prefilter=True, *, grid_mode=False)#

缩放数组。

使用请求顺序的样条插值对数组进行缩放。

参数 ：：

input： array_like

输入数组。

zoom： 浮点数或序列

沿轴的缩放系数。如果是浮点数，zoom 对于每个轴都是相同的。如果是序列，zoom 应为每个轴包含一个值。

output： 数组或数据类型，可选

放置输出的数组，或返回数组的 dtype。默认情况下，将创建一个与输入具有相同 dtype 的数组。

order： 整数，可选

样条插值的阶数，默认为 3。阶数必须在 0-5 范围内。

mode： {‘reflect’、‘grid-mirror’、‘constant’、‘grid-constant’、‘nearest’、‘mirror’、‘grid-wrap’、‘wrap’}，可选

模式参数确定输入数组如何扩展到其边界之外。默认为‘constant’。每个有效值的行为如下(请参阅其他图表和详细信息边界模式):

‘reflect’ (d c b a | a b c d | d c b a)

通过反射最后一个像素的边来扩展输入。此模式有时也称为half-sample 对称模式。

‘grid-mirror’

这是‘reflect’ 的同义词。

‘constant’ (k k k k | a b c d |呸呸呸呸)

通过使用 cval 参数定义的相同常量值填充边之外的所有值来扩展输入。在输入边之外不执行插值。

‘grid-constant’ (k k k k | a b c d |呸呸呸呸)

通过使用 cval 参数定义的相同常量值填充边之外的所有值来扩展输入。插值也会发生在输入范围之外的样本上。

‘nearest’ (啊啊啊啊| a b c d |嘀嘀嘀嘀)

通过复制最后一个像素来扩展输入。

‘mirror’ (d c b | a b c d | c b a)

通过反射最后一个像素的中心来扩展输入。此模式有时也称为whole-sample 对称模式。

‘grid-wrap’ (a b c d | a b c d | A B C D)

通过环绕到相对边来扩展输入。

‘wrap’ (d b c d | a b c d | b c a b)

输入通过环绕到相反的边来扩展，但是以某种方式使最后一个点和初始点完全重叠。在这种情况下，没有很好地定义在重叠点将选择哪个样本。

cval： 标量，可选

如果模式为‘constant’，则填充过去输入边的值。默认值为 0.0。

prefilter： 布尔型，可选

确定输入数组是否经过预过滤scipy.ndimage.spline_filter插值之前。默认为 True，这将创建一个临时浮点数64过滤值数组 if订单 > 1.如果将此设置为 False，则输出会稍微模糊，如果订单 > 1, 除非输入是预过滤的，即它是调用的结果scipy.ndimage.spline_filter在原始输入上。

grid_mode： 布尔型，可选

如果为 False，则放大像素中心的距离。否则，使用包括全像素范围的距离。例如，当 grid_mode 为 False 时，长度为 5 的一维信号被认为具有长度 4，但当 grid_mode 为 True 时，长度为 5。请参见以下视觉示例：

| pixel 1 | pixel 2 | pixel 3 | pixel 4 | pixel 5 |
     |<-------------------------------------->|
                        vs.
|<----------------------------------------------->|

上图中箭头的起点对应于每种模式下的坐标位置 0。

返回 ：：

zoom： ndarray

缩放的输入。

注意：

对于complex-valued 输入，此函数独立缩放实部和虚部。

例子：

>>> from scipy import ndimage, datasets
>>> import matplotlib.pyplot as plt

>>> fig = plt.figure()
>>> ax1 = fig.add_subplot(121)  # left side
>>> ax2 = fig.add_subplot(122)  # right side
>>> ascent = datasets.ascent()
>>> result = ndimage.zoom(ascent, 3.0)
>>> ax1.imshow(ascent, vmin=0, vmax=255)
>>> ax2.imshow(result, vmin=0, vmax=255)
>>> plt.show()

>>> print(ascent.shape)
(512, 512)

>>> print(result.shape)
(1536, 1536)